没人写进文档、但真干过的都知道的一件事：context 不是越多越好。一个任务里塞进去的失败尝试、调错的工具、半页旧输出，会持续拉低后面每一步的判断质量——它会"记得"自己刚才走错的路，然后接着错。
这个问题已经有人开始注意到了。今天 Product Hunt 同一天冒出两个产品专门治这个：一个清 context，一个砍臃肿的工具列表。
顯示更多
Oracle 一年裁了 13% 的人,两万一千个岗位。同一年,它的 AI capex 创了历史新高。
在大厂待过的都懂：这两个数字不是巧合,是同一件事。
AI 预算和 headcount 在同一个池子里抢预算。你部门今年"上了 AI 提效" 那么就是在证明 —— 三个人能干五个人的活，下一步就是把那两个人的预算挪走。
看看你自己部门今年的 AI 采购单怎样？
顯示更多
如果发现自己的 Mac 耗电特别快
可能是 Claude Code / Codex / JS 这些 Agents 开了太多进程然后又没有关导致了 🤣
有兴趣的可以投一投
硅谷地区或者remote都可
CREAO is hiring
这是一艘刚刚开始提速的新船。
我们正身处AI时代的乱纪元。组织形态和财富分配方式都在被重塑。接下来最大的机会，会属于那些敢在秩序尚未形成时下场，用产品和结果定义新生态的人。
前不久，CREAO刚完成了3000万美元融资，用户和收入都在飞速增长。与此同时，我们看到大量尚未被解决的问题，以及一个仍在形成中的巨大市场。
在这样的节点上，我们期待更多有能力、有野心、有自己目标，并愿意为判断和结果负责的人加入。每个人都会得到充分的信任、资源和支持，也需要把推动事情并拿到结果。
我们一起创造，也一起分享这个时代的alpha。
这一次，CREAO开放三个关键岗位：
- Agent Product Engineer
- Forward Deployed Engineer
- Product Marketing and Technical Growth
1.Agent Product Engineer（Full-stack）
在大多数公司，工程师负责实现产品需求。在CREAO，Agent Product Engineer直接定义产品。
我们没有传统的产品经理岗，也不会把一份写好的需求文档交给你。你需要理解用户问题，判断什么值得做，完成功能设计并上线，再根据真实反馈持续迭代。
你会负责CREAO智能体最核心的产品体验，包括智能体的创建、配置、执行、记忆、工具调用、定时运行、人工审核和效果评估，也会横跨前端、后端、接口、数据流、系统集成与智能体执行逻辑。
这个岗位既需要扎实的全栈工程能力，也需要很强的产品判断。你需要能在信息不完整的情况下做出高质量决策，知道什么时候应该快速推进，什么时候工程质量、可维护性和用户信任不能让步。
2.Forward Deployed Engineer
Agent在产品里跑通，只是一切的开始。Forward Deployed Engineer要做的，是让它进入真实且复杂的商业环境，并在生产系统中稳定运行。
客户的真实系统往往复杂且混。你需要进入这些复杂度，抽丝剥茧地梳理业务流程、系统约束和成功标准，最终交付能够稳定运行的智能体解决方案。
你既要能和工程团队讨论系统架构，也要让业务负责人理解产品最终能够带来的价值。
我们会重点关注拥有3年以上企业客户一线技术岗位经验的人，例如解决方案工程师、实施工程师或技术顾。你需要具备很强的工程能力，也擅长识别并弥合CREAO产品能力与企业客户实际问题之间的差距。
这个岗位带来的是CREAO最快的产品反馈回路之一。
3.Product Marketing and Technical Growth
现在大多数AI产品的市场表达听起来都一样：自动化、效率、工作流。内容写的太泛，最后谁也转化不了。
我们需要有人真正理解CREAO正在构建的cloud agent harness层，再建立一套能够获得founder、builder、operator和developer注意力的叙事与增长系统。
这个岗位会负责CREAO的市场定位和产品表达，覆盖用户获取、激活、留存、推荐和商业化，也会参与新用户引导、模板、使用场景、产品发布、销售材料、竞品与市场情报，以及用户行为分析。
这远远不止是写内容。你需要真正看懂产品，能和工程团队讨论技术边界，也能从激活率、转化率和留存率中分辨真实的增长信号与虚假指标。
有工程背景会是很强的加分项。曾经做过工程师、创业者或技术型业务负责人，之后转向增长；或者拥有AI、开发者工具、效率工具、自动化、企业软件和产品驱动增长相关经验，都会非常匹配。
我们极其看重人才密度，因为最优秀的人，只愿意和同一水平的人共事。
但我们不会用职级和简历关键词来定义人才。我们更想看到的是，你是否真正走完过从问题判断、产品或技术方案、交付到反馈闭环的全过程；你能不能讲清楚自己做了什么、为什么重要、哪里判断错了，以及最后如何完成迭代。
在CREAO，每个人都会得到充分的信任、资源和支持，也需要对自己的判断与最终结果负责。我们一起在这个高度波动的时代背景下一起去创造财富。
我们会一起探索这个市场，挖出真正有价值的机会，做其他人不敢做、做不了，或者还没有看懂的事。
未来AI软件的商业生态，会由今天这一小群真正下场的人定义。
期待你的加入。
简历投递：evelyn@creao.ai
顯示更多
我几周前开源的 openseek(一个 TUI coding agent),这周来了第二个赞助商。 我一条 MRR、一个 star 数都没秀过——对方是看完我修一个 bug,主动私信要打钱的。
这事我后来才想明白:开源项目的赞助,从来不是被你的成绩单打动,是被你『怎么想』打动的。
我之前只做几件事:把当天卡在哪、为什么这么修,摊开写。比如 openseek 的 agent 老是 cd .. 跳出沙箱目录,我怎么一步步把它修好的——有人就是看着这个过程,决定信我。
所以你要是也在 Build In Public,别再发『今天涨了 X 个 star』了。发你今天怎么卡住、又怎么爬出来的。
信任你是因为你的判断力,不是你的数字。
顯示更多
AI 让人人能出片，于是"能出片"不再值钱。
值钱的是：你脑子里有没有那个画面——以及你能不能把它讲清楚给模型。
这个开源库把"广告级爆款视频"的套路拆成能直接抄的 prompt
产品 / UGC / 前后对比 / 开箱 ASMR / 痛点解决 / 生活方式 / 功能讲解 / 热点玩法 / 高奢质感 / 美食饮品 —— 10 大品类的 Hook 全备好了。
每条都不是"拍个好看的视频"这种废话,
而是:
分镜节奏(0-2s / 2-4s 逐拍)
真实运镜语言
防崩守则(不变形 / 不漂移 / 不闪)
配一张成片海报,先看效果再花 credit
占位符一换就能用，Seedance 2.0 / Veo 3 / Kling / Runway 通用。免费。
需要的拿去 👇
顯示更多
Fable 5 断了几天,被迫退回 Opus 4.8
那种落差, 像我当年坐惯了高铁、第一次来美国——同样是出门,瞬间倒退十年
核心意思是拿监管和牌照，这样只要负担得起的大企业做AI
Today I'm publishing a new essay, Policy on the AI Exponential. AI is progressing extremely fast—much faster than the policy process was built to handle. The essay lays out where I think the technology is now, and the action needed to close the gap:
顯示更多
大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。
Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测——
工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头：
检索型 agent：90.6%
Devin 同类代码 agent：78.7%
LangChain：>50%
模型推理从来不是瓶颈。
道理其实很朴素：
一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。
每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。
更反直觉的数字：
并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。
也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。
这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号：
CPU 侧的"老钱"会被重新定价。
Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。
只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。
Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。
AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。
大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。
顯示更多
